Lingüística Computacional: Historia, Evolución y Aplicaciones

Lingüística Computacional

Definición

La lingüística computacional (LC) es una ciencia interdisciplinaria que se sitúa entre la lingüística y la informática, con énfasis en la lingüística. Su finalidad es la elaboración de modelos computacionales, los cuales reproduzcan uno o más aspectos del lenguaje humano. Dos áreas cercanas a la LC son el procesamiento del habla realizado por parte de la informática y el reconocimiento de voz desarrollado por la ingeniería eléctrica. Las fronteras entre estas áreas del conocimiento son bastante difusas y pueden ser consideradas como meras convenciones.

La LC no es ámbito exclusivo de centros académicos. A decir verdad, hoy en día la LC está siendo impulsada en gran medida por la industria privada. Las empresas dedicadas a la informática han reconocido desde hace tiempo que el procesamiento automático del lenguaje humano constituirá uno de los principales campos de desarrollo en las próximas décadas.

Aplicaciones de la Lingüística Computacional

Algunos de los programas en los que trabajan los lingüistas computacionales se usan para:

• Elaborar modelos de teorías lingüísticas.
• Enseñar idiomas extranjeros.
• Corregir la ortografía y la sintaxis de textos en un idioma dado.
• Reconocer la voz humana y procesar la información contenida en frases pronunciadas naturalmente por cualquier persona.
• Crear sistemas expertos que respalden la labor de especialistas en un área dada.
• Desarrollar juegos digitales que usen de una u otra forma el lenguaje humano.
• Producir traducciones automáticas de textos o ayudar a traductores humanos en su trabajo.
• Generar voz artificial con alto grado de naturalidad para la transmisión de información por teléfono, etc.

Evolución de la Lingüística Computacional

Años 40 y 50

El término “lingüística computacional” comenzó a usarse en los años sesenta, pero ya a finales de la Segunda Guerra Mundial se había estado trabajando en este campo. La primera demostración de un sistema de traducción automática tuvo lugar en 1954. En los años 40 y 50 se produjeron grandes avances en dos áreas que resultarían claves para la evolución de las tecnologías de procesamiento del lenguaje humano: la teoría de los autómatas y los modelos probabilísticos o de teoría de la información.

La teoría de los autómatas proviene de los trabajos del matemático británico Alan Turing, uno de los padres de la computadora. El estadounidense Claude Shannon (1948) aplicó la teoría de la probabilidad de procesos de Markov para desarrollar autómatas que procesaran el lenguaje humano. Asimismo, contribuyó a la evolución de la LC con sus ideas sobre el canal de ruido y decodificación del lenguaje.

De modo que, entre los años 40 y los 50 se sientan los fundamentos teóricos de la Informática como ciencia de la mano de A. Turing –cuyas ideas tendrán repercusión también en los campos de la Filosofía, de la Inteligencia Artificial o de la Ciencia Cognitiva.

En esta etapa ocurren dos hechos fundamentales:

1. Se sientan las bases del paradigma estadístico para el tratamiento del lenguaje, que tendrá su mayor auge a partir de los noventa. C. Shannon, matemático e ingeniero estadounidense, propone la conocida como “teoría de la información” (1948), en la que aboga por un modelo estadístico de la comunicación, interesado en la forma de transmitir información de la manera más eficiente posible. Entiende la comunicación como un proceso estocástico en el que la información semántica no desempeña papel alguno: codificación de la información–canal de transmisión–decodificación de la información. Si bien las mayores repercusiones van a tener lugar en la Ingeniería de Telecomunicaciones, la Psicología y la Lingüística también van a hacer uso de este modelo que explica la comunicación en términos de codificación/decodificación.
2. N. Chomsky (1956), adoptando conceptos de la Lógica y las Matemáticas, lleva a cabo los primeros trabajos teóricos sobre la formalización de las lenguas naturales, cuyo resultado es la conocida como “jerarquía de Chomsky”, base de la teoría de los lenguajes formales, uno de los pilares de la informática moderna, y que será clave en el desarrollo de su teoría generativa del lenguaje solo un año más tarde.

Con estas premisas, llegan las primeras aplicaciones de los ordenadores en relación con el lenguaje, marcadas claramente por el contexto bélico de la II Guerra Mundial y, sobre todo, de la guerra fría.

Segunda etapa: años 60

Precisamente en los años sesenta el lingüista y pensador N. Chomsky va a revolucionar el panorama lingüístico mundial al proponer una teoría del lenguaje que aboga por la formalización, inspirándose en los lenguajes artificiales de la lógica y las matemáticas: la gramática generativa, según la cual con un número finito de reglas es posible generar los infinitos enunciados de una lengua.

El programa ELIZA (desarrollado por Wizenbaum en 1966) fue el que marcó un punto de inflexión. Supuestamente capaz de sostener una conversación similar a la que podrían mantener un psiquiatra y su paciente, no tiene en cuenta, sin embargo, el significado, sino que se basa en la identificación de palabras clave a las que están asociadas determinadas plantillas con posibles respuestas.

Podemos destacar también como en esta etapa se compila el primer corpus: el Brown Corpus of American English (1963-1964). Finalmente, los ordenadores también se aplicaron en Lingüística y Filología para tareas relacionadas con análisis cuantitativos y estadísticos.